本發(fā)明涉及交通控制技術(shù)領(lǐng)域，尤其涉及一種交通燈智能控制系統(tǒng)、交通燈智能控制方法及裝置。

背景技術(shù)：

隨著現(xiàn)代社會(huì)對(duì)交通運(yùn)輸?shù)娜遮呉蕾?lài)，交通燈成為了人們生活中不可或缺的一部分。傳統(tǒng)的交通燈控制系統(tǒng)雖然在一定程度上可以滿足指揮路口交通的需要，但隨著機(jī)動(dòng)車(chē)輛、人口的增長(zhǎng)和城市化的發(fā)展，原有的交通燈控制系統(tǒng)已經(jīng)表現(xiàn)出明顯的缺點(diǎn)：紅綠燈時(shí)間相對(duì)固定，不能伴隨車(chē)流量以及人流量的改變而調(diào)整交通信號(hào)燈(紅燈、黃燈及綠燈)的顯示時(shí)間，因此現(xiàn)有的交通燈控制系統(tǒng)不能很好地提高交通路口的車(chē)輛通行效率，從而不能有效地緩解城市交通擁堵。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題，本發(fā)明的目的在于提供一種交通燈智能控制系統(tǒng)，其能夠有效地提高交通路口的車(chē)輛通行效率，從而能有效地緩解城市交通擁堵；本發(fā)明的目的還在于提供一種交通燈智能控制方法以及一種交通燈智能控制裝置。

為了實(shí)現(xiàn)上述目的，本發(fā)明一方面提供了一種交通燈智能控制系統(tǒng)，其包括超聲波檢測(cè)模塊、圖像采集模塊、交通燈智能控制模塊以及交通信號(hào)燈模塊；所述圖像采集模塊以及所述超聲波檢測(cè)模塊均與所述交通燈智能控制模塊連接，所述交通燈智能控制模塊與對(duì)應(yīng)的交通信號(hào)燈模塊連接；其中，所述超聲波檢測(cè)模塊，用于采集對(duì)應(yīng)的車(chē)道的車(chē)流量信息；所述圖像采集模塊，用于采集對(duì)應(yīng)的車(chē)道路口的行人圖像；其中，所述車(chē)道路口與所述車(chē)道位于同一個(gè)交通路口處；所述交通燈智能控制模塊，用于對(duì)所述行人圖像進(jìn)行圖像分析處理，以獲取行人數(shù)量信息，并根據(jù)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以得到相應(yīng)的路口的交通信號(hào)燈控制指令；所述交通信號(hào)燈模塊，用于根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

本發(fā)明另一方面提供了一種交通燈智能控制方法，其包括以下步驟：

接收由超聲波檢測(cè)模塊采集的對(duì)應(yīng)的車(chē)道的車(chē)流量信息，并接收由圖像采集模塊采集得到的對(duì)應(yīng)的車(chē)道路口的行人圖像；

對(duì)所述行人圖像進(jìn)行圖像分析處理，以獲取行人數(shù)量信息；

對(duì)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以生成相應(yīng)路口的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊，以使所述交通信號(hào)燈模塊根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

進(jìn)一步地，所述步驟“對(duì)所述行人圖像進(jìn)行圖像分析處理，以獲取行人數(shù)量信息”具體為：

將當(dāng)前的所述行人圖像處理為當(dāng)前的灰度圖；

將所述當(dāng)前灰度圖與預(yù)設(shè)的圖像背景模型進(jìn)行灰度差值比較，并根據(jù)比較結(jié)果對(duì)所述當(dāng)前灰度圖進(jìn)行二值化處理，以得到對(duì)應(yīng)的二值化圖像；

對(duì)所述二值化圖像進(jìn)行去噪處理，以得到對(duì)應(yīng)的去噪圖像；

獲取對(duì)應(yīng)的去噪圖像的目標(biāo)像素連通域，根據(jù)對(duì)獲取到的目標(biāo)像素連通域的統(tǒng)計(jì)分析，得到行人數(shù)量信息。

進(jìn)一步地，所述步驟“將當(dāng)前的所述行人圖像處理為當(dāng)前的灰度圖”具體為：

對(duì)當(dāng)前獲取到的所述行人圖像進(jìn)行裁剪，以獲取合適大小的當(dāng)前裁剪圖像；

對(duì)所述當(dāng)前裁剪圖像進(jìn)行灰度化處理，以得到所述當(dāng)前的灰度圖。

進(jìn)一步地，所述步驟“將所述當(dāng)前灰度圖與預(yù)設(shè)的圖像背景模型進(jìn)行灰度差值比較，并根據(jù)比較結(jié)果對(duì)所述當(dāng)前灰度圖進(jìn)行二值化處理，以得到對(duì)應(yīng)的二值化圖像”具體為：

將所述當(dāng)前灰度圖的像素點(diǎn)逐一與所述圖像背景模型的對(duì)應(yīng)的像素點(diǎn)進(jìn)行灰度差值比較分析，以獲取所述當(dāng)前灰度圖中的所有目標(biāo)像素點(diǎn)；其中，所述目標(biāo)像素點(diǎn)為與所述圖像背景模型的對(duì)應(yīng)的像素點(diǎn)的灰度差異值大于預(yù)設(shè)的閾值的像素點(diǎn)；

將獲取到的所述當(dāng)前灰度圖中的目標(biāo)像素點(diǎn)的灰度值設(shè)為0，并將所述當(dāng)前灰度圖中的其余像素點(diǎn)的灰度值設(shè)為255，以得到對(duì)應(yīng)的二值化圖像；其中，所述目標(biāo)像素點(diǎn)的集合區(qū)域表示為所述目標(biāo)像素連通域。

進(jìn)一步地，所述步驟“對(duì)所述二值化圖像進(jìn)行去噪處理，以得到對(duì)應(yīng)的去噪圖像”具體為：

對(duì)所述二值化圖像進(jìn)行圖像增強(qiáng)處理；

對(duì)增強(qiáng)處理后的圖像進(jìn)行先膨脹后腐蝕處理，以獲取對(duì)應(yīng)的去噪圖像。

進(jìn)一步地，述步驟“獲取對(duì)應(yīng)的去噪圖像的目標(biāo)像素連通域，根據(jù)對(duì)獲取到的目標(biāo)像素連通域的統(tǒng)計(jì)分析，得到行人數(shù)量信息”具體為：

獲取所述去噪圖像的目標(biāo)像素連通域；

判斷每一個(gè)目標(biāo)像素連通域的區(qū)域特征參數(shù)數(shù)值是否均在預(yù)設(shè)的范圍內(nèi)；其中，所述區(qū)域特征參數(shù)包括所述像素連通域的區(qū)域面積、長(zhǎng)寬比及有效像素比例；

統(tǒng)計(jì)區(qū)域特征參數(shù)數(shù)值均在預(yù)設(shè)的范圍內(nèi)的目標(biāo)像素連通域的數(shù)量，并以此生成行人數(shù)量信息。

進(jìn)一步地，所述的交通燈智能控制方法還包括以下步驟：

對(duì)預(yù)定時(shí)間范圍內(nèi)采集到的多張的背景圖像進(jìn)行灰度化處理，以得到對(duì)應(yīng)的背景灰度圖像；其中，所述背景圖像為圖像采集模塊拍攝到的對(duì)應(yīng)路口上沒(méi)有行人的圖像，所述背景圖像的拍攝時(shí)間位于所述當(dāng)前行人圖像的拍攝時(shí)間之前，且兩者的拍攝時(shí)間相近；

對(duì)每一個(gè)背景灰度圖像進(jìn)行去噪處理，以得到預(yù)處理圖像；

對(duì)每一個(gè)預(yù)處理圖像進(jìn)行像素的統(tǒng)計(jì)分析，并根據(jù)統(tǒng)計(jì)分析結(jié)果建立對(duì)應(yīng)的圖像背景模型；

根據(jù)最新獲取到的背景圖像對(duì)所述圖像背景模型進(jìn)行更新處理。

進(jìn)一步地，所述步驟“根據(jù)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以生成相應(yīng)路口的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊，以使所述交通信號(hào)燈模塊根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間”具體為：

將接收到的車(chē)流量信息以及行人數(shù)量信息進(jìn)行分析計(jì)算，以得到相應(yīng)的計(jì)算結(jié)果；

將所述計(jì)算結(jié)果轉(zhuǎn)換成對(duì)應(yīng)的交通信號(hào)燈模糊量；

根據(jù)所述交通信號(hào)燈模糊量建立相應(yīng)的交通信號(hào)燈模糊控制規(guī)則；

根據(jù)所述交通信號(hào)燈模糊控制規(guī)則進(jìn)行信息的解算和推理，以得到相應(yīng)的交通信號(hào)燈模糊控制量；

將所述交通信號(hào)燈模糊控制量進(jìn)行清晰化變換處理，以得到相應(yīng)的論域范圍清晰量，并將所述論域范圍清晰量變換處理為交通信號(hào)燈實(shí)際控制量；

根據(jù)所述交通信號(hào)燈實(shí)際控制量生成相應(yīng)的交通信號(hào)燈控制指令并發(fā)送給所述交通信號(hào)燈模塊，以使所述交通信號(hào)燈模塊根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

本發(fā)明另外一方面還提供了一種交通燈智能控制裝置，其包括：

接收單元，用于接收由超聲波檢測(cè)模塊采集的對(duì)應(yīng)的車(chē)道的車(chē)流量信息，并接收由圖像采集模塊采集得到的對(duì)應(yīng)的車(chē)道路口的行人圖像；

圖像處理單元，用于對(duì)所述行人圖像進(jìn)行圖像分析處理，以獲取行人數(shù)量信息；

信號(hào)控制單元，用于對(duì)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以生成相應(yīng)路口的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊，以使所述交通信號(hào)燈模塊根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

本發(fā)明提供的所述交通燈智能控制系統(tǒng)、所述交通智能控制方法及所述交通智能控制裝置，通過(guò)所述超聲波檢測(cè)模塊可以采集到對(duì)應(yīng)的車(chē)道的車(chē)流量信息，通過(guò)所述圖像采集模塊可以獲取到對(duì)應(yīng)車(chē)道路口的行人圖像，并且通過(guò)所述交通燈智能控制模塊可以對(duì)所述行人圖像進(jìn)行圖像分析處理，以得到所述行人圖像中的行人數(shù)量信息，并可以對(duì)接收到的所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以得到相應(yīng)的交通信號(hào)燈控制指令，所述交通信號(hào)燈模塊根據(jù)接收到的所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間，以實(shí)現(xiàn)對(duì)交通路口的車(chē)流與人流的有效管制。由此可見(jiàn)，本發(fā)明可以根據(jù)交通路口的車(chē)流量與人流量自動(dòng)調(diào)整交通信號(hào)燈的發(fā)光時(shí)間，能有效減少各個(gè)路口車(chē)輛的平均延誤時(shí)間，從而能夠有效地提高交通路口的車(chē)輛通行效率，進(jìn)而能有效地緩解城市交通擁堵。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明的技術(shù)方案，下面將對(duì)實(shí)施方式中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的一種交通燈智能控制系統(tǒng)的結(jié)構(gòu)示意圖；

圖2是本發(fā)明實(shí)施例提供的一種交通燈智能控制模塊的結(jié)構(gòu)示意圖；

圖3是圖1示出的超聲波檢測(cè)模塊采集對(duì)應(yīng)的車(chē)道的車(chē)流量信息的工作流程圖；

圖4是本發(fā)明實(shí)施例提供的一種交通燈智能控制方法的流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

請(qǐng)參見(jiàn)圖1與圖2，本發(fā)明實(shí)施例一方面提供了一種交通燈智能控制系統(tǒng)，其包括超聲波檢測(cè)模塊1、圖像采集模塊2、交通燈智能控制模塊3以及交通信號(hào)燈模塊4；所述圖像采集模塊2以及所述超聲波檢測(cè)模塊1均與所述交通燈智能控制模塊3連接，所述交通燈智能控制模塊3與對(duì)應(yīng)的交通信號(hào)燈模塊4連接；其中，

所述超聲波檢測(cè)模塊1，用于采集對(duì)應(yīng)的車(chē)道的車(chē)流量信息，即，交通路口附近的每一條車(chē)道都對(duì)應(yīng)設(shè)置有至少一個(gè)超聲波檢測(cè)模塊1；

所述圖像采集模塊2，用于采集對(duì)應(yīng)路口的行人圖像，即，每一個(gè)路口都對(duì)應(yīng)有一個(gè)圖像采集模塊2來(lái)進(jìn)行路口的行人圖像的拍攝采集；

所述交通燈智能控制模塊3，包括用于接收所述車(chē)流量信息與所述行人圖像的接收單元30、用于對(duì)所述行人圖像進(jìn)行圖像分析處理、以獲取行人數(shù)量信息的圖像處理單元31，以及用于對(duì)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析、以得到相應(yīng)的路口的交通信號(hào)燈控制指令的信號(hào)控制單元32；

所述交通信號(hào)燈模塊4，用于根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈(綠燈、紅燈或黃燈)的發(fā)光時(shí)間。

在本發(fā)明實(shí)施中，需要說(shuō)明的是，所述車(chē)道路口與所述車(chē)道均位于同一個(gè)交通路口(例如為十字路口或丁字路口)處，其中，交通路口處的每條道路均具有多條車(chē)道，且每條道路對(duì)應(yīng)有一個(gè)車(chē)道路口。

在本發(fā)明實(shí)施中，需要說(shuō)明的是，所述信號(hào)控制單元32通過(guò)相應(yīng)的信號(hào)輸出接口模塊與對(duì)應(yīng)的交通信號(hào)燈模塊4進(jìn)行連接，這樣所述信號(hào)控制單元32可以將所述交通信號(hào)燈控制指令通過(guò)所述信號(hào)輸出接口模塊傳輸給對(duì)應(yīng)的交通信號(hào)燈模塊4。

在本發(fā)明實(shí)施例中，優(yōu)選地，所述交通燈智能控制系統(tǒng)還包括一個(gè)通信模塊(可以為有線通信模塊或者無(wú)線通信模塊)，所述通信模塊與所述交通燈智能控制模塊3電連接，所述通信模塊用于將采集到的車(chē)流量信息以及行人數(shù)量信息上傳到交通指揮中心平臺(tái)，以方便交通指揮中心平臺(tái)根據(jù)所述車(chē)流量信息與行人數(shù)量信息進(jìn)行控制決策(優(yōu)選為由交通指揮中心平臺(tái)的工作人員進(jìn)行決策分析，當(dāng)然也可以是交通指揮中心平臺(tái)的終端進(jìn)行自主分析決策)，當(dāng)交通指揮中心平臺(tái)做出決策后，所述通信模塊就會(huì)接收下發(fā)下來(lái)的控制指令，然后所述交通燈智能控制模塊3根據(jù)所述控制指令控制所述交通信號(hào)燈模塊4實(shí)現(xiàn)不同的交通燈發(fā)光工作，從而完成對(duì)交通的遠(yuǎn)程管制與調(diào)度，并且也能夠更靈活地處理突發(fā)事件，同時(shí)也提高了交通系統(tǒng)的運(yùn)行效率。

在本發(fā)明實(shí)施例中，所述超聲波檢測(cè)模塊1，優(yōu)選為由探頭組件與主控器(Tiny6410嵌入式板的主控部分)組成。其中，每條車(chē)道的上方均對(duì)應(yīng)設(shè)有一個(gè)探頭組件。所述探頭組件包括用于發(fā)射超聲波的發(fā)射探頭以及用于接收發(fā)射回來(lái)的超聲波的接收探頭。請(qǐng)參見(jiàn)圖,3，所述超聲波檢測(cè)模塊1測(cè)量車(chē)流量的原理為：探頭組件通過(guò)向下方的車(chē)道發(fā)射超聲波和接收反射回來(lái)的超聲波，然后所述主控器測(cè)量?jī)烧咧g的時(shí)間差，并以此來(lái)計(jì)算超聲波發(fā)射和接收所走過(guò)的距離h，此時(shí)所述主控器判斷距離h是否小于探頭組件距離路面高度H與預(yù)設(shè)的車(chē)輛高度H1(即，判斷條件為：h<H-H1？)，若是，表示有車(chē)輛正行駛在探頭組件的下方，然后繼續(xù)判斷下一時(shí)刻h是否等于H(即，判斷條件為：h＝H？)，若是，表示上一時(shí)刻位于所述探頭組件下方的車(chē)輛已經(jīng)離開(kāi)，此時(shí)所述主控器將當(dāng)前車(chē)輛數(shù)加一，最后所述主控器對(duì)預(yù)定的時(shí)間內(nèi)測(cè)量到的車(chē)輛數(shù)進(jìn)行計(jì)算分析，以確定單位時(shí)間內(nèi)每個(gè)車(chē)道的平均車(chē)流量。

在本發(fā)明實(shí)施例中，每一個(gè)所述圖像采集模塊2均包括至少一個(gè)用于拍攝行人圖像的CCD(Charged Coupled Device)圖像傳感器(即攝像頭)、以及用于獲取所述行人圖像并將獲取到的所述行人圖像發(fā)送給所述圖像處理單元31的現(xiàn)場(chǎng)可編程邏輯門(mén)陣列(Field－Programmable Gate Array，F(xiàn)PGA)模塊，其中，CCD圖像傳感器設(shè)置在對(duì)應(yīng)的車(chē)道路口的上方；FPGA模塊包括CMOS控制器、SDRAM控制器以及SDRAM存儲(chǔ)器，其中，CMOS控制器用于控制CCD圖像傳感器的運(yùn)行時(shí)序，并高效地將CCD圖像傳感器拍攝到的行人圖像發(fā)送到SDARM控制器中；SDRAM控制器用于將所述行人圖像存儲(chǔ)到SDRAM存儲(chǔ)器中，當(dāng)FPGA模塊需要將所述行人圖像發(fā)送給所述圖像處理單元31時(shí)可以從SDRAM存儲(chǔ)器中調(diào)取。

在本發(fā)明實(shí)施例中，所述圖像處理單元31優(yōu)選為采用TMS320C6748開(kāi)發(fā)板，該開(kāi)發(fā)板采用T I高端浮點(diǎn)DSP-TMS320C6748，主頻高達(dá)450MHZ，DDR內(nèi)存1Gbit、1片64Mbit norflash、1片1Gbit nandflash、1片128Mbit SPI Flash、1個(gè)視頻輸入攝像頭接口、2路音頻流接口、1個(gè)USB_OTG、1個(gè)SD卡、1個(gè)百兆以太網(wǎng)、2個(gè)RS232接口(其中一個(gè)復(fù)用RS485接口)、1個(gè)IIC EPROM，外擴(kuò)EMIF并行總線和GPIO總線擴(kuò)展器。所述圖像處理單元31將對(duì)應(yīng)的圖像由RGB形式轉(zhuǎn)化為YUV形式，再提取YUV形式中的Y分量作為亮度信息以得到對(duì)應(yīng)的灰度圖。

在本發(fā)明實(shí)施例中，所述信號(hào)控制單元32優(yōu)選為采用Tiny6410嵌入式板。如圖所示，Tiny6410是一款以ARM11芯片(三星S3C6410)作為主處理器的嵌入式核心板,支持安裝Linux系統(tǒng)，另外該板具有三LCD接口、4線電阻觸摸屏接口、100M標(biāo)準(zhǔn)網(wǎng)絡(luò)接口、標(biāo)準(zhǔn)DB9五線串口、Mini USB 2.0接口等，方便進(jìn)行嵌入式系統(tǒng)程序開(kāi)發(fā)和可視化調(diào)試。其中，所述Tiny6410嵌入式板為如圖所示的ARM11-Linux架構(gòu)系統(tǒng)。Tiny6410的CPU基于ARM1176JZF-S核設(shè)計(jì)，集成了256M Mobile DDR RAM，256M/1GB SLC Nand Flash存儲(chǔ)器，在此基礎(chǔ)上安裝Linux2.6.38+Qtopia2+QtE4.8.5系統(tǒng)開(kāi)發(fā)環(huán)境來(lái)進(jìn)行本發(fā)明實(shí)施例的數(shù)據(jù)模糊算法程序的開(kāi)發(fā)。

在本發(fā)明實(shí)施例中，通過(guò)所述超聲波檢測(cè)模塊1可以采集到對(duì)應(yīng)的車(chē)道的車(chē)流量信息，通過(guò)所述圖像采集模塊2可以獲取到對(duì)應(yīng)路口的行人圖像，并且通過(guò)所述交通燈智能控制模塊3可以對(duì)所述行人圖像進(jìn)行圖像分析處理，以得到所述行人圖像中的行人數(shù)量信息，并可以對(duì)接收到的所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以得到相應(yīng)的交通信號(hào)燈控制指令，所述交通信號(hào)燈模塊4根據(jù)接收到的所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間，以實(shí)現(xiàn)對(duì)交通路口的車(chē)流與人流的有效管制。由此可見(jiàn)，本發(fā)明實(shí)施例可以根據(jù)交通路口的車(chē)流量與人流量自動(dòng)調(diào)整交通信號(hào)燈的發(fā)光時(shí)間，能有效減少各個(gè)路口車(chē)輛的平均延誤時(shí)間，從而能夠有效地提高交通路口的車(chē)輛通行效率，進(jìn)而能有效地緩解城市交通擁堵。

請(qǐng)參見(jiàn)圖4，本發(fā)明實(shí)施例另一方面提供了一種應(yīng)用于上述控制系統(tǒng)的交通燈智能控制方法，其包括步驟S1至步驟S3：

S1，接收由超聲波檢測(cè)模塊1采集的對(duì)應(yīng)的車(chē)道的車(chē)流量信息，并接收由圖像采集模塊2采集得到的對(duì)應(yīng)的車(chē)道路口的行人圖像。

S2，對(duì)所述行人圖像進(jìn)行圖像分析處理，以獲取行人數(shù)量信息。

S3，對(duì)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以生成相應(yīng)路口的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊4，以使所述交通信號(hào)燈模塊4根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

進(jìn)一步地，所述步驟S3具體包括步驟S30至步驟S35，且所述步驟S30至步驟S35，這些步驟以軟件程序的形式裝載在所述交通燈智能控制模塊3中的模糊控制器中，并由所述模糊控制器進(jìn)行運(yùn)行：

S30，將接收到的車(chē)流量信息以及行人數(shù)量信息進(jìn)行分析計(jì)算，以得到相應(yīng)的計(jì)算結(jié)果。

即，分析獲取接收到的所述車(chē)流量信息中的車(chē)流量的具體數(shù)值以及所述行人數(shù)量信息中的行人數(shù)量的具體數(shù)值。

S31，將所述計(jì)算結(jié)果轉(zhuǎn)換成對(duì)應(yīng)的交通信號(hào)燈模糊量。

其中，轉(zhuǎn)換的具體過(guò)程為：首先將接收到的計(jì)算結(jié)果進(jìn)行處理以變成模糊控制器要求的輸入量，其次將已經(jīng)處理過(guò)的輸入量進(jìn)行尺度變換，使相應(yīng)的輸入量變換為各自的論域范圍，最后將這些已經(jīng)變換到論域范圍的輸入量進(jìn)行模糊處理，使原先精準(zhǔn)的輸入量變成交通信號(hào)燈模糊量，并用相應(yīng)的模糊集合來(lái)表示。模糊量化的目的是把輸入變量映射到一個(gè)合適的相應(yīng)論域的量程，這樣，精確的輸入數(shù)據(jù)就變換成適當(dāng)?shù)恼Z(yǔ)言值或模糊集合的標(biāo)識(shí)符。

一般在實(shí)際應(yīng)用中將精確量離散化，即將連續(xù)取值量分成幾檔，每一檔對(duì)應(yīng)一個(gè)模糊集。控制系統(tǒng)中的偏差x和偏差變化率Δx的實(shí)際范圍叫做這些變量的基本論域，設(shè)偏差x的基本論域?yàn)閇-x,+x]，偏差x所取的模糊集的論域?yàn)?-n，-n+1,，，0，n-1,n),即可給出精確量的模糊化的量化因子k。在本發(fā)明實(shí)施例中，偏差Δx的模糊子集有7個(gè)：正大、正中、正小、零、負(fù)小、負(fù)中、負(fù)大，偏差x的基本論域?yàn)閇-11,11]，模糊論域?yàn)閇-4,-3,-2,-1,0,+1,+2,+3,+4]，量化因子為K2＝4-(-4)/11-(-11)＝4/11。此外，偏差變化率Δx模糊子集同樣有7個(gè)：很長(zhǎng)、長(zhǎng)、較長(zhǎng)、中等、較短、短、很短，偏差變化率Δx基本論域?yàn)閇0,22]。

S32，根據(jù)所述交通信號(hào)燈模糊量建立相應(yīng)的交通信號(hào)燈模糊控制規(guī)則。

其中，所述模糊控制規(guī)則包括數(shù)據(jù)庫(kù)和模糊控制規(guī)則庫(kù)兩部分，數(shù)據(jù)庫(kù)主要包含語(yǔ)言變量的隸屬度函數(shù)，尺度變換因子以及模糊空間的分級(jí)數(shù)等，模糊控制規(guī)則庫(kù)包括了用模糊語(yǔ)言變量表示的一系列反映控制專(zhuān)家的經(jīng)驗(yàn)和知識(shí)的控制規(guī)則。其中模糊控制規(guī)則是按人的直覺(jué)推理的一種語(yǔ)言表示形式，模糊規(guī)則通常由一系列的關(guān)系詞連接而成，如If-then,else,also,and,or等。

其中，為了實(shí)現(xiàn)模糊控制，本發(fā)明實(shí)施例把綠燈的亮燈時(shí)間T分為兩部分：第一部分為固定的基本時(shí)間(優(yōu)選為10秒,可根據(jù)實(shí)際需要進(jìn)行設(shè)定修改)，以作為路口車(chē)輛參數(shù)的采集時(shí)間T1；第二部分為根據(jù)不同方向車(chē)輛流量變化進(jìn)行模糊決策以得到的綠燈延時(shí)時(shí)間T2，即對(duì)應(yīng)的綠燈的最終的亮燈時(shí)間為T(mén)：T＝T1+T2；在這兩段時(shí)間中所述攝像頭模塊可以采集對(duì)應(yīng)路口的等候的行人人數(shù)。其中，由于交通路口的南北方向的車(chē)輛基本上都是同時(shí)靜止與流通，交通路口的東西方向也同樣；因此只要取交通路口的南北方向中的一個(gè)方向尚未通過(guò)交通路口的車(chē)輛數(shù)最大值X、與東西方向的其中一個(gè)方向尚未通過(guò)交通路口的車(chē)輛數(shù)最大值Y，實(shí)際運(yùn)行時(shí)由所述超聲波采集模塊采集后送入所述模糊控制器中，然后所述模糊控制器中的模糊控制規(guī)則單元通過(guò)采用模糊條件語(yǔ)句為“if A and B then C”等49條模糊條件語(yǔ)句，來(lái)基于交通路口的實(shí)際交通情況，得出對(duì)應(yīng)的模糊控制規(guī)則，并根據(jù)模糊控制規(guī)則加以歸納以得到對(duì)應(yīng)的模糊控制狀態(tài)表。

S33，根據(jù)所述交通信號(hào)燈模糊控制規(guī)則進(jìn)行信息的解算和推理，以得到相應(yīng)的交通信號(hào)燈模糊控制量。

其中，該步驟是模糊控制器的核心，其具有模擬人的基于模糊概念的推理能力，其推理過(guò)程是基于模糊邏輯中的蘊(yùn)含關(guān)系及推理規(guī)則來(lái)進(jìn)行的。

交通信號(hào)燈模糊控制量是指基于對(duì)當(dāng)前車(chē)輛數(shù)量的分析以在基本采集時(shí)間基礎(chǔ)上追加的綠燈延時(shí)時(shí)間模糊量t2，其中，綠燈延時(shí)時(shí)間模糊量t2的論域?yàn)?0～20)，其采用重心法計(jì)算公式：t2＝(1/2×4+1/2×4+1/2×8+1/2×8)/(1/2+1/2+1/2+1/2)。需要說(shuō)明的是，還可以采用最大隸屬度法或加權(quán)平均法燈算法來(lái)計(jì)算綠燈延時(shí)時(shí)間模糊量t2，在此不做具體限定。

在本發(fā)明實(shí)施例中，由于不同方向的路口尚未通過(guò)交通路口的車(chē)輛最大值X、Y需要對(duì)應(yīng)不同的綠燈延時(shí)時(shí)間模糊量t2，如果每個(gè)數(shù)據(jù)都用上面的模糊推理和解模糊方法會(huì)很復(fù)雜，需要計(jì)算非常多次。因此可以利用MATLAB中的函數(shù)來(lái)快速生成模糊控制查詢(xún)表，以快速得到所有對(duì)應(yīng)路口的綠燈延時(shí)時(shí)間模糊量t2。

S34，將所述交通信號(hào)燈模糊控制量進(jìn)行清晰化變換處理，以得到相應(yīng)的論域范圍清晰量，并將所述論域范圍清晰量變換處理為交通信號(hào)燈實(shí)際控制量。

即，將所述模糊控制量經(jīng)清晰化變換變成表示論域范圍的清晰量和將表示在論域范圍的清晰量經(jīng)尺度變換成實(shí)際的控制量。例如，將綠燈延時(shí)時(shí)間模糊量t2轉(zhuǎn)化為用于實(shí)際控制對(duì)應(yīng)的綠燈的綠燈延時(shí)時(shí)間控制量，然后根據(jù)所述綠燈延時(shí)時(shí)間控制量來(lái)控制對(duì)應(yīng)的綠燈實(shí)現(xiàn)綠燈延時(shí)時(shí)間T2的持續(xù)亮燈。

S35，根據(jù)所述交通信號(hào)燈實(shí)際控制量生成相應(yīng)的交通信號(hào)燈控制指令并發(fā)送給所述交通信號(hào)燈模塊4，以使所述交通信號(hào)燈模塊4根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

在上述發(fā)明實(shí)施例中，所述模糊控制器，其基于Tiny6410嵌入式開(kāi)發(fā)板實(shí)現(xiàn),用于計(jì)算控制變量、執(zhí)行模糊量化處理、設(shè)置模糊控制規(guī)則、以及執(zhí)行模糊推理和清晰化處理等操作。通過(guò)把模糊控制查詢(xún)表下載到Tiny6410嵌入式的flash或SD卡中，實(shí)現(xiàn)在線查詢(xún)，把模糊控制查詢(xún)表看作11×16的矩陣，連續(xù)放入儲(chǔ)存區(qū)中，采用基礎(chǔ)地址+offset偏移量進(jìn)行尋址即可完成查表工作。

進(jìn)一步地，所述步驟S2具體包括步驟S20至步驟S23：

S20，將當(dāng)前的所述行人圖像處理為當(dāng)前的灰度圖。

優(yōu)選地，步驟S20具體包括步驟S200至步驟S201：

S200，對(duì)當(dāng)前獲取到的所述行人圖像進(jìn)行裁剪，以獲取合適大小的當(dāng)前裁剪圖像。

即，上述的圖像處理單元31對(duì)所述行人圖像進(jìn)行裁剪的目的是減少后續(xù)圖像處理的工作量，從而可以加快對(duì)所述行人圖像處理的效率。其中，所述行人圖像從所述圖像采集模塊2中輸出，其為RGB彩色圖像。

S201，對(duì)所述當(dāng)前裁剪圖像進(jìn)行灰度化處理，以得到所述當(dāng)前的灰度圖。

當(dāng)上述的圖像處理單元31獲取到所述當(dāng)前裁剪圖像時(shí)，所述圖像處理單元31對(duì)所述當(dāng)前裁剪圖像(為RGB彩色圖)進(jìn)行圖像灰度化處理，將所述當(dāng)前裁剪圖像轉(zhuǎn)化為YUV格式，提取轉(zhuǎn)化后的當(dāng)前裁剪圖的YUV形式中的Y分量作為亮度信息得到所述當(dāng)前的灰度圖，其中亮度信息為：Y＝0.299XR+0.587XG+0.114XB。

S21，將所述當(dāng)前灰度圖與預(yù)設(shè)的圖像背景模型進(jìn)行灰度差值比較，并根據(jù)比較結(jié)果對(duì)所述當(dāng)前灰度圖進(jìn)行二值化處理，以得到對(duì)應(yīng)的二值化圖像。其中，所述圖像背景模型是在所述當(dāng)前灰度圖之前就已經(jīng)建立好的。

優(yōu)選地，所述步驟S21具體包括步驟S210至步驟S211：

S210，將所述當(dāng)前灰度圖的像素點(diǎn)逐一與所述圖像背景模型的對(duì)應(yīng)的像素點(diǎn)進(jìn)行灰度差值比較分析，以獲取所述當(dāng)前灰度圖中的所有目標(biāo)像素點(diǎn)；其中，所述目標(biāo)像素點(diǎn)與所述圖像背景模型的對(duì)應(yīng)的像素點(diǎn)的灰度差異值大于預(yù)設(shè)的閾值。

S211，將獲取到的所述當(dāng)前灰度圖中的目標(biāo)像素點(diǎn)的灰度值設(shè)為0，并將所述當(dāng)前灰度圖中的其余像素點(diǎn)的灰度值設(shè)為255，以得到對(duì)應(yīng)的二值化圖像；其中，所述目標(biāo)像素點(diǎn)的集合區(qū)域表示為所述目標(biāo)像素連通域，即所述目標(biāo)像素連通域?yàn)榕c所述背景模型中的相同像素點(diǎn)位置具有差異性的像素點(diǎn)區(qū)域。例如，所述行人圖像中存在行人、行李箱以及路口的其他背景物體，即，所述行人圖像與所述背景模型的差異是多出了行人、行李箱這兩樣圖像內(nèi)容，因此，所述行人圖像中行人像素連通區(qū)域以及行李箱像素連通域即為兩種與所述背景模型中的各自對(duì)應(yīng)的像素點(diǎn)位置具有差異性的像素點(diǎn)區(qū)域。

其中，灰度值設(shè)為0的所述目標(biāo)像素點(diǎn)在圖像中的顏色為黑色，灰度值設(shè)為255的其余像素點(diǎn)在圖像中的顏色為白色，即最后得到的圖像為二值化圖像。將所述當(dāng)前灰度圖進(jìn)行圖像二值化，這樣有利于圖像的進(jìn)一步處理，并且可使圖像變得簡(jiǎn)單以及圖像數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的圖像輪廓區(qū)域。

S22，對(duì)所述二值化圖像進(jìn)行去噪處理，以得到對(duì)應(yīng)的去噪圖像。

優(yōu)選地，所述步驟S22具體包括步驟S220至步驟S221：

S220，所述二值化圖像進(jìn)行圖像增強(qiáng)處理。即，通過(guò)采用3X3滑動(dòng)窗口中值濾波算法對(duì)所述二值化圖像進(jìn)行圖像初步去噪，以增強(qiáng)圖像的效果。當(dāng)然，還可以通過(guò)其他相關(guān)的圖像增強(qiáng)算法對(duì)所述二值化圖像進(jìn)行增強(qiáng)處理。

S221，對(duì)增強(qiáng)處理后的圖像進(jìn)行先膨脹后腐蝕處理，以獲取對(duì)應(yīng)的去噪圖像。

其中，通過(guò)對(duì)圖像進(jìn)行先膨脹后腐蝕處理，可以填充圖像內(nèi)細(xì)小空洞，連接圖像中鄰近物體和平滑圖像邊界的作用。

S23，獲取對(duì)應(yīng)的去噪圖像的目標(biāo)像素連通域，根據(jù)對(duì)獲取到的目標(biāo)像素連通域的統(tǒng)計(jì)分析，得到行人數(shù)量信息。

優(yōu)選地，所述步驟S23具體包括步驟S230至步驟S232：

S230，獲取所述去噪圖像的目標(biāo)像素連通域。

在步驟S21中，已經(jīng)得到對(duì)應(yīng)的二值化圖像，并且已經(jīng)分析出所述二值化圖像中的目標(biāo)像素點(diǎn)，因此通過(guò)獲取所述去噪圖像中的目標(biāo)像素點(diǎn)的集合區(qū)域，即可獲取到所述去噪圖像的目標(biāo)像素連通域。其中，上述的行人像素連通域即為需要獲取的目標(biāo)像素連通域的其中一種。

S231，判斷每一個(gè)目標(biāo)像素連通域的區(qū)域特征參數(shù)數(shù)值是否均在預(yù)設(shè)的范圍內(nèi)；其中，所述區(qū)域特征參數(shù)包括所述像素連通域的區(qū)域面積、長(zhǎng)寬比及有效像素比例。

對(duì)每一個(gè)目標(biāo)像素連通域進(jìn)行判斷的目的是判斷出為行人像素連通域的所有目標(biāo)像素連通域。其中，在本發(fā)明實(shí)施例中，優(yōu)選地，所述區(qū)域面積的預(yù)設(shè)閾值設(shè)為800像素，所述長(zhǎng)寬比的預(yù)設(shè)范圍設(shè)為0.2至4.0，所述有效像素比例的預(yù)設(shè)范圍設(shè)為0.2至0.9。只要判斷出相應(yīng)的目標(biāo)像素連通域的區(qū)域特征參數(shù)數(shù)值均在預(yù)設(shè)的范圍內(nèi)，那么該目標(biāo)像素連通域即為行人像素連通域。

S232，統(tǒng)計(jì)區(qū)域特征參數(shù)數(shù)值均在預(yù)設(shè)的范圍內(nèi)的目標(biāo)像素連通域的數(shù)量，并以此生成行人數(shù)量信息。

在本發(fā)明實(shí)施例中，所述交通燈智能控制模塊3通過(guò)獲取對(duì)應(yīng)的車(chē)道的車(chē)流量信息以及獲取到對(duì)應(yīng)路口的行人圖像，并且通過(guò)對(duì)所述行人圖像進(jìn)行圖像分析處理，以得到所述行人圖像中的行人數(shù)量信息；然后對(duì)接收到的所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以得到相應(yīng)的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊4，以使所述交通信號(hào)燈模塊4根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間，以實(shí)現(xiàn)對(duì)交通路口的車(chē)流與人流的有效管制。由此可見(jiàn)，本發(fā)明實(shí)施例可以根據(jù)交通路口的車(chē)流量與人流量自動(dòng)調(diào)整交通信號(hào)燈的發(fā)光時(shí)間，能有效減少各個(gè)路口車(chē)輛的平均延誤時(shí)間，從而能夠有效地提高交通路口的車(chē)輛通行效率，進(jìn)而能有效地緩解城市交通擁堵。

在上述發(fā)明實(shí)施例中，優(yōu)選地，所述的交通燈智能控制方法還包括步驟S100至步驟S103：

S100，對(duì)預(yù)定時(shí)間范圍內(nèi)采集到的多張的背景圖像進(jìn)行灰度化處理，以得到對(duì)應(yīng)的背景灰度圖像；其中，所述背景圖像為圖像采集模塊2拍攝到的對(duì)應(yīng)路口上沒(méi)有行人的圖像。由于隨著時(shí)間的推移，交通路口的光線以及天氣環(huán)境會(huì)發(fā)生變化(例如由于烏云遮擋陽(yáng)光而導(dǎo)致交通路口的光線變暗)，因此，設(shè)定所述背景圖像的拍攝時(shí)間位于所述當(dāng)前行人圖像的拍攝時(shí)間之前，且兩者的拍攝時(shí)間相近，這樣可以獲取到差異性不是很大的多張背景圖像。

其中，對(duì)所述背景圖像進(jìn)行灰度化處理的方式為：將所述背景圖像轉(zhuǎn)化為YUV格式，提取轉(zhuǎn)化后的背景圖像的YUV形式中的Y分量作為亮度信息得到所述當(dāng)前的灰度圖，其中亮度信息為：Y＝0.299XR+0.587XG+0.114XB。

S101，對(duì)每一個(gè)背景灰度圖像進(jìn)行去噪處理，以得到預(yù)處理圖像。

其中，采用3X3滑動(dòng)窗口中值濾波算法對(duì)所述背景灰度圖像進(jìn)行去噪處理。需要說(shuō)明的是，還可以采取其他的去噪算法對(duì)所述背景灰度圖進(jìn)行去噪處理，在此不做具體限定。

S102，對(duì)每一個(gè)預(yù)處理圖像進(jìn)行像素的統(tǒng)計(jì)分析，并根據(jù)統(tǒng)計(jì)分析結(jié)果建立對(duì)應(yīng)的圖像背景模型。

即，通過(guò)對(duì)每一個(gè)預(yù)處理圖像的相同位置像素點(diǎn)的統(tǒng)計(jì)分析，得出每一個(gè)像素點(diǎn)的灰度直方圖，其中像素點(diǎn)的像素值均呈正太分布，對(duì)每一個(gè)像素點(diǎn)的R、G、B像素值的分量分別進(jìn)行統(tǒng)計(jì)分析，可以得到每一個(gè)像素點(diǎn)的像素值分量的隨機(jī)變量的概率分布函數(shù)，從而可以得出每一個(gè)像素點(diǎn)的像素值的取值波動(dòng)情況，根據(jù)每一個(gè)像素點(diǎn)的像素值分量的概率分布函數(shù)建立所述圖像背景模型(即一張用于與所述行人圖像進(jìn)行參照比對(duì)的路口背景圖像)。需要說(shuō)明的是，所述圖像背景模型在與所述當(dāng)前灰度圖進(jìn)行像素點(diǎn)的灰度差值比較分析時(shí)，所述圖像背景模型的圖像尺寸大小與所述當(dāng)前灰度圖的尺寸大小一致。具體做法可以為：將所述圖像背景模型作與所述當(dāng)前灰度圖相同的裁剪；或者可以是對(duì)采集到的所述背景圖像作與所述當(dāng)前行人圖像相同的裁剪，然后再根據(jù)灰度化的背景圖像來(lái)建立相應(yīng)的圖像背景模型。

S103，根據(jù)最新獲取到的背景圖像對(duì)所述圖像背景模型進(jìn)行更新處理。

隨著時(shí)間的推移，所述圖像采集模塊2的監(jiān)視場(chǎng)景內(nèi)的光照亮度會(huì)發(fā)生變化，其采集到的圖像的亮度也會(huì)發(fā)生變化，因此需要對(duì)已經(jīng)建立的圖像背景模型進(jìn)行更新，以提高后續(xù)圖像處理的準(zhǔn)確度。其中，對(duì)所述圖像背景模型更新的方式為：對(duì)最新獲取到的背景圖像與在預(yù)設(shè)的時(shí)間范圍內(nèi)采集到的背景圖像進(jìn)行每一個(gè)相同位置的像素點(diǎn)的像素值進(jìn)行統(tǒng)計(jì)分析，即通過(guò)采用像素值均值計(jì)算分析、像素值方差計(jì)算分析以及前景點(diǎn)比率計(jì)算分析等分析方式，來(lái)對(duì)最新獲取到的背景圖像與在預(yù)設(shè)的時(shí)間范圍內(nèi)采集到的背景圖像的每一個(gè)相同位置的像素點(diǎn)的像素值進(jìn)行分析，從而建立每一個(gè)相同位置的像素點(diǎn)的動(dòng)態(tài)信息窗口(這樣可以獲取每一個(gè)像素點(diǎn)的像素值的波動(dòng)情況)，其中，前景點(diǎn)比率是指在N個(gè)像素點(diǎn)采樣值中被判定為前景點(diǎn)的次數(shù)所占的比例，當(dāng)進(jìn)行分析的圖像的采集時(shí)間在預(yù)設(shè)的時(shí)間范圍內(nèi)時(shí)，判斷出所述前景比率大于預(yù)設(shè)的閾值，這時(shí)就根據(jù)最近采集到的N個(gè)背景圖像中每一個(gè)像素點(diǎn)的采樣值的波動(dòng)情況，來(lái)對(duì)所述圖像背景模型進(jìn)行更新。

本優(yōu)選實(shí)施例可以建立圖像背景模型以及通過(guò)對(duì)圖像背景模型進(jìn)行更新以提高后續(xù)圖像處理的準(zhǔn)確度。

請(qǐng)參見(jiàn)圖2，本發(fā)明實(shí)施例另外一方面還提供了一種交通燈智能控制裝置(相當(dāng)于上述的交通燈智能控制模塊3)，其包括：接收單元30，用于接收由超聲波檢測(cè)模塊1采集的對(duì)應(yīng)的車(chē)道的車(chē)流量信息，并接收由圖像采集模塊2采集得到的對(duì)應(yīng)的車(chē)道路口的行人圖像；圖像處理單元31，用于對(duì)所述行人圖像進(jìn)行圖像分析處理，以獲取行人數(shù)量信息；信號(hào)控制單元32，用于對(duì)所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以生成相應(yīng)路口的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊4，以使所述交通信號(hào)燈模塊4根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間。

進(jìn)一步地，所述圖像處理單元31包括：圖像灰度化子單元，用于將當(dāng)前的所述行人圖像處理為當(dāng)前的灰度圖；圖像二值化子單元，用于將所述當(dāng)前灰度圖與預(yù)設(shè)的圖像背景模型進(jìn)行灰度差值比較，并根據(jù)比較結(jié)果對(duì)所述當(dāng)前灰度圖進(jìn)行二值化處理，以得到對(duì)應(yīng)的二值化圖像：去噪子單元，用于對(duì)所述二值化圖像進(jìn)行去噪處理，以得到對(duì)應(yīng)的去噪圖像；圖像分析子單元，用于獲取對(duì)應(yīng)的去噪圖像的目標(biāo)像素連通域，根據(jù)對(duì)獲取到的目標(biāo)像素連通域的統(tǒng)計(jì)分析，得到行人數(shù)量信息。

進(jìn)一步地，所述圖形灰度化子單元，包括：裁剪次級(jí)單元，用于對(duì)當(dāng)前獲取到的所述行人圖像進(jìn)行裁剪，以獲取合適大小的當(dāng)前裁剪圖像；灰度化處理次級(jí)單元，用于對(duì)所述當(dāng)前裁剪圖像進(jìn)行灰度化處理，以得到所述當(dāng)前的灰度圖。

進(jìn)一步地，所述圖像二值化子單元包括：灰度差值比較次級(jí)單元，用于將所述當(dāng)前灰度圖的像素點(diǎn)逐一與所述圖像背景模型的對(duì)應(yīng)的像素點(diǎn)進(jìn)行灰度差值比較分析，以獲取所述當(dāng)前灰度圖中的所有目標(biāo)像素點(diǎn)；其中，所述目標(biāo)像素點(diǎn)與所述圖像背景模型的對(duì)應(yīng)的像素點(diǎn)的灰度差異值大于預(yù)設(shè)的閾值；二值化次級(jí)單元，用于將獲取到的所述當(dāng)前灰度圖中的目標(biāo)像素點(diǎn)的灰度值設(shè)為0，并將所述當(dāng)前灰度圖中的其余像素點(diǎn)的灰度值設(shè)為255，以得到對(duì)應(yīng)的二值化圖像；其中，所述目標(biāo)像素點(diǎn)的集合區(qū)域表示為所述目標(biāo)像素連通域。

進(jìn)一步地，所述去噪子單元包括：圖像增強(qiáng)次級(jí)單元，用于對(duì)所述二值化圖像進(jìn)行圖像增強(qiáng)處理；圖像膨脹腐蝕次級(jí)單元，用于對(duì)增強(qiáng)處理后的圖像進(jìn)行先膨脹后腐蝕處理，以獲取對(duì)應(yīng)的去噪圖像。

進(jìn)一步地，所述圖像分析子單元包括：獲取次級(jí)單元，用于獲取所述去噪圖像中的目標(biāo)像素連通域；判斷次級(jí)單元，用于判斷每一個(gè)目標(biāo)像素連通域的區(qū)域特征參數(shù)數(shù)值是否均在預(yù)設(shè)的范圍內(nèi)；其中，所述區(qū)域特征參數(shù)包括所述像素連通域的區(qū)域面積、長(zhǎng)寬比及有效像素比例；統(tǒng)計(jì)次級(jí)單元，用于統(tǒng)計(jì)區(qū)域特征參數(shù)數(shù)值均在預(yù)設(shè)的范圍內(nèi)的目標(biāo)像素連通域的數(shù)量，并以此生成行人數(shù)量信息。

在本發(fā)明實(shí)施例中，通過(guò)所述接收單元30可以獲取對(duì)應(yīng)的車(chē)道的車(chē)流量信息以及獲取到對(duì)應(yīng)路口的行人圖像，并且通過(guò)所述圖像處理單元31可以對(duì)所述行人圖像進(jìn)行圖像分析處理，以得到所述行人圖像中的行人數(shù)量信息；然后通過(guò)所述信號(hào)控制單元32可以對(duì)接收到的所述行人數(shù)量信息以及所述車(chē)流量信息進(jìn)行數(shù)據(jù)模糊分析，以得到相應(yīng)的交通信號(hào)燈控制指令，并將所述信號(hào)燈控制指令發(fā)送給交通信號(hào)燈模塊4，以使所述交通信號(hào)燈模塊4根據(jù)所述交通信號(hào)燈控制指令實(shí)時(shí)調(diào)整對(duì)應(yīng)的交通信號(hào)燈的發(fā)光時(shí)間，以實(shí)現(xiàn)對(duì)交通路口的車(chē)流與人流的有效管制。由此可見(jiàn)，本發(fā)明實(shí)施例可以根據(jù)交通路口的車(chē)流量與人流量自動(dòng)調(diào)整交通信號(hào)燈的發(fā)光時(shí)間，能有效減少各個(gè)路口車(chē)輛的平均延誤時(shí)間，從而能夠有效地提高交通路口的車(chē)輛通行效率，進(jìn)而能有效地緩解城市交通擁堵。

在上述發(fā)明實(shí)施例中，優(yōu)選地，所述圖像處理單元31還包括：

背景圖像灰度化子單元，用于對(duì)預(yù)定時(shí)間范圍內(nèi)采集到的多張的背景圖像進(jìn)行灰度化處理，以得到對(duì)應(yīng)的背景灰度圖像；其中，所述背景圖像為圖像采集模塊2拍攝到的對(duì)應(yīng)路口上沒(méi)有行人的圖像，所述背景圖像的拍攝時(shí)間位于所述當(dāng)前行人圖像的拍攝時(shí)間之前，且兩者的拍攝時(shí)間相近；

背景圖像去噪子單元，用于對(duì)每一個(gè)背景灰度圖像進(jìn)行去噪處理，以得到預(yù)處理圖像；

圖像背景模型建立子單元，用于對(duì)每一個(gè)預(yù)處理圖像進(jìn)行像素的統(tǒng)計(jì)分析，并根據(jù)統(tǒng)計(jì)分析結(jié)果建立對(duì)應(yīng)的圖像背景模型；

圖像背景模型更新子單元，用于根據(jù)最新獲取到的背景圖像對(duì)所述圖像背景模型進(jìn)行更新處理。

本優(yōu)選實(shí)施例可以建立圖像背景模型以及通過(guò)對(duì)圖像背景模型進(jìn)行更新以提高后續(xù)圖像處理的準(zhǔn)確度。

以上所揭露的僅為本發(fā)明一些較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分流程，并依本發(fā)明權(quán)利要求所作的等同變化，仍屬于發(fā)明所涵蓋的范圍。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤(pán)、只讀存儲(chǔ)記憶體(Read-Only Memory，ROM)或隨機(jī)存儲(chǔ)記憶體(Random Access Memory，RAM)等。